PERTENGAHAN tahun 2017 lalu, majalah The Economist menyatakan bahwa di era ekonomi digital ini, data adalah sumber daya yang baru. Ia bahkan digadang sebagai “minyak bumi” baru. Minyak bumi, lebih dari sekadar sumber daya, adalah yang menghidupkan perekonomian dunia. Tidak hanya itu, ia juga merupakan sumber daya yang memiliki nilai geopolitis dan geostrategis; negara-negara bertempur—dengan sesamanya, dengan negara lain—untuk memperebutkan penguasaan atasnya.[1] Bahkan, dengan istilah kutukan sumber daya (resource curse), beberapa juga menyebutnya dutch disease, seakan-akan masyarakat yang memiliki sumber daya berharga di tanahnya akan selalu terkutuk dengan konflik, pertempuran dan perebutan sumber daya tersebut yang, hampir selalu, disertai pertumpahan darah dan air mata.[2]
Tidak lama kemudian, di awal tahun 2018, The Economist menggadang perusahaan-perusahaan berbasis data digital sebagai Raksasa Baru (the new titans): Facebook, Google, dan Amazon, tiga di antaranya yang terbesar. Benar bahwa perusahaan semakin menerapkan teknologi digital di seluruh lini operasinya. Bahkan dalam laporan World Investment Report 2017 terbaru yang dikeluarkan UNCTAD, investasi terbesar adalah di kisaran jasa digitalisasi proses bisnis ini dengan rupa-rupa platform digital, Internet of Things (IoT), komputasi awan (cloud computing), dst. Namun demikian, para raksasa baru ala The Economist ini berbeda: bisnis mereka bukan sekadar ditopang oleh teknologi digital; bisnis mereka adalah di dunia digital itu sendiri. Dengan kata lain mereka tidak hanya sekedar mendigitalisasi proses bisnis mereka, melainkan mereka berbisnis dengan dan dari mendigitalisasi seluruh kehidupan di kolong langit ini. Jika yang pertama adalah pendatang dalam ekonomi digital, maka yang terakhir adalah native dalam ekonomi digital.
Jika kita bersepakat bahwa dalam alam ekonomi pasar bebas istilah ‘bisnis’ selalu merupakan eufimisme bagi ‘eksploitasi pekerja’, maka lumrah apabila kita bertanya bagaimana eksploitasi terjadi di dalam ekonomi digital yang native ini. Namun demikian, seringkali jawaban yang diberikan relatif kurang tepat sasaran. Mungkin kita pernah dengar bagaimana techsploitation terjadi di Silicon Valey,[3] atau eksploitasi pekerja klik Amazon Mechanical Turk (AMT) dalam melatih mesin pembelajar kecerdasan buatan (machine learning/AI),[4] atau bahkan eksploitasi serupa di platform berbagi kendara (ridesharing) daring seperti Uber[5] dan, untuk kasus Indonesia, GoJek.[6] Semua ulasan ini tentu saja tidak salah. Bahkan, ia memang layak untuk dinyatakan (terus-menerus) dan diperjuangkan solusinya.
Namun demikian, kritik-kritik eksploitasi ini sebenarnya, apabila diperhatikan dengan seksama, belum banyak (atau bahkan tidak sama sekali) menyentuh aspek native dari perusahaan-perusahaan ini. Yang dikritik kebanyakan adalah implikasinya di dunia riil (alias dunia di luar layar). Sekali lagi, kritik ini sama sekali legit. Namun, ia akan lebih lengkap, bahkan lebih menohok apabila dilengkapi dengan kritik yang lebih mendasar pada aransemen material dari platform digital yang digunakan perusahaan-perusahaan ini. Tidak hanya berada di tataran yang berbeda (riil, ketimbang digital), kritik-kritik eksploitasi ini juga masih sedikit menyentuh problem mendasar eksploitasi—yaitu problem penciptaan nilai, dan bukan sekadar problem relasi kerja, relasi industri, regulasi, dst.
Eksploitasi
Sebelum lebih jauh, saya perlu mengklarifikasi terlebih dahulu apa yang selama ini kita kira, anggap, yakini, maknai dan bahkan sendirinya alami sebagai eksploitasi. Terma eksploitasi biasanya secara serampangan dipakai saat kita:
- Bekerja dengan tidak dibayar semestinya—berdasar upah layak/upah minimum, berdasar perbandingannya dengan negara lain, etnis lain, dst.
- Bekerja tanpa dibayar sama sekali.
- Bekerja di bawah tekanan dan paksaan, baik verbal, kekerasan, maupun perasaan semacam “nggak enak kalau ditolak.”
Jika pembaca sekalian memiliki pengalaman lain di seputar “kerja karena keterpaksaan,” silakan ditambahkan di poin-poin di atas, sampai seterusnya.
Namun demikian, sayangnya, persoalan eksploitasi hakikinya sama sekali tidak berkaitan dengan persoalan kerelaan atau ketidak-relaan, ikhlas atau tidak ikhlas. Soalnya, apabila kita menggunakan ukuran demikian, maka kita tidak akan merasakan eksploitasi saat:
- Kita dibayar dengan standar yang layak.
- Dibayar dengan upah yang tidak rasional banyaknya.
- Bekerja dengan kerelaan, senang hati, komitmen teguh, ketulusan dan keikhlasan ilahi, rasa tanggung jawab patriotik, dan sejenisnya.
Pikir kita, karena saya kerja dengan suakrela dan dibayar mahal, maka saya tidak sedang tereksploitasi. Alhasil, saya akan mati-matian bekerja keras demi perusahaan saya. Bukan begitu?
Sayangnya, bukan hanya kerja tanpa eksploitasi ini hanyalah fiktif belaka, yang jika ada kesamaan tempat, nama dan juga cerita adalah hanya kebetulan semata dan tidak ada unsur kesengajaan. Lebih dari itu, seringkali ketiga ukuran di atas amat-sangat susah diukur dan disepakati, dan seringkali lebih bergantung pada kebaik-hatian dan kedermaan sang bos. Kesejahteraan pekerja, dengan demikian selalu berada di genggaman tangan para bos. Alhasil, jika kita hendak menggunkan ukuran-ukuran ini, silakan saja. Tapi jangan salahkan saya kalau kelak bos kita sudah tidak membutuhkan Anda (karena robot, AI, mesin pembelajar dan rupa-rupa otomasi digital yang mengantre untuk menggantikan Anda), dan kita akan terdepak dan bergabung dengan 99% masyarakat dunia yang berharga murah: baik tenaganya maupun nyawanya. You’ve been warned!
Lalu apa tawaran alternatifnya? Saya tidak akan mengulas sejarah panjang evolusi teori eksploitasi, namun setidaknya satu hal yang perlu saya tandaskan di sini: eksploitasi sama sekali tidak ada kaitannya dengan keterpaksaan; eksploitasi selalu berhubungan dengan pencurian nilai kerja. Malangnya, pencurian nilai kerja ini sudah sistemik dan seakan menjadi sesuatu yang normal (misalnya, apa salahnya bekerja dengan upah UMR?). Sehingga satu-satunya solusi hanyalah dengan membuat pencurian itu menjadi sesuatu yang tidak lagi dimungkinkan, tidak terpikirkan, dan bahkan menjadi suatu kedunguan untuk membicarakannya. Kemungkinan ini tentu saja ada, namun biarlah menjadi kompetensi artikel lainnya.
Kembali ke eksploitasi sebagai pencurian nilai kerja. Dikatakan pencurian, karena ada sesuatu (yi. nilai kerja) yang diambil tanpa disadari, atau dipertukarkan secara tidak semestinya. Dikatakan tidak semestinya di sini bukan berarti “tidak layak”; ia lebih berarti tidak sebangun (asimetris). Kesebangunan pertukaran nilai kerja selalu berkaitan dengan ukuran: apa ukuran yang membuat suatu nilai kerja dapat diukur berdasarkan token imbal balik bagi mereka yang ingin mendapat nilai tersebut. Inilah problem pengukuran nilai. Lalu apa ukuran nilai yang seharusnya, sayangnya tidak ada. Jatuh bangun teori nilai (di ranah teori) dan fluktuasi nilai dan harga dalam pasar finansial (di ranah praktis), misalnya, sebaiknya dilihat sebagai konsekuensi ketiadaan ukuran ini: karena tidak ada, maka kita bisa terus-menerus mengisinya secara sementara, untuk kemudian diganti, dan diganti, dan seterusnya. (Bagi yang ingin terus menelusuri problem ini, pertanyaan yang bisa kita tanyakan kemudian: lalu apa yang mendorong orang untuk selalu berupaya menjangkarkan ukuran nilai dengan rupa-rupa teori dan pemodelan harga, model finansial, dst.?).
Kembali ke ranah digital dan sumber daya data, dengan kata lain, untuk membicarakan mengenai eksploitasi, kita harus bertanya nilai kerja apa yang dicuri dan secara tidak sebangun dipertukarkan? Tentu ada banyak jalan membahas ini, namun saya akan coba mendemonstrasikan sebuah analisis yang bisa dilakukan orang banyak pada umumnya yang bukan berprofesi atau berkutat di dunia akademik. Semacam analisis DIY yang tidak memerlukan terlalu banyak waktu dan bisa dilakukan sendiri. Yang Anda butuhkan adalah memandangi antarmuka platform yang dapat Anda akses langsung saat ini juga (dengan koneksi internet tentunya). Saya akan menyebutnya analisis antarmuka kritis (AAK—critical interface analysis, CIA).[7] Analisis ini berpegang pada asumsi bahwa: “di bawah” permukaan antaramuka (UI/UX) suatu aplikasi platform digital, akan selalu ada mesin penambang data yang senantiasa merekam, mengkodekan, dan menyimpan data yang dihasilkan dari seluruh aktivitas user/pengguna aplikasi tersebut. Data inilah yang digunakan untuk mengisi konten tampilan antarmuka.
Sehingga dengan logika deduktif sederhana saja, kita bisa memperkirakan kira-kira data apa saja yang ditambang untuk membuat tampilan tersebut berikut informasi yang disajikannya. Dari perspektif kritis mengenai eksploitasi digital, kita bisa katakan bahwa adalah kerja-kerja menghasilkan data yang kemudian ditambang algoritma di balik platform inilah yang dicuri dari para pekerja data yang tak lain adalah kita semua: user.
Sumber Daya Data
Untuk demonstrasi AAK ini, kita bisa melihat platform yang sudah sering (jika bukan selalu) kita gunakan, misalnya mesin pencari Google dan news feed Facebook.[8] Yang pertama menggunakan apa yang disebut algoritma PageRank dan Autocomplete (di antaranya), yang kedua menggunakan EdgeRank. Sebelumnya, algoritma bisa kita lihat sebagai seperangkat siklus respon dan reaksi yang sudah terprogram sebelumnya (formula IF-THEN): jika terjadi X, maka eksekusi Y, dst.[9] PageRank bekerja untuk menyortir temuan pencarian berdasarkan relevansi sesuai dengan input yang dimasukkan oleh user. Untuk Autocomplete, algoritma akan membaca frekuensi dan kebiasaan kita dalam menginput kata kunci di mesin pencari, dan kemudian memberikan sugesti berdasarkan prediksinya akan apa yang kira-kira hendak dicari oleh user, bahkan sebelum ia selesai menginput kata kuncinya. Algoritma EdgeRank yang digunakan Facebook memprediksi konten/informasi (disebut edge: status update, like, comment, dst.) apa saja yang dikira relevan bagi user, sehingga ia menyortir dan memilihnya bagi user tersebut, dan menampakkannya ke bagian-bagian atas dari news feed user. Gambar berikut merangkum secara umum apa saja yang diperhitungkan dalam mengkalkulasi EdgeRank.
Gambar 1. Formula Komputasi EdgeRank (sumber: edgerank.net)
Dengan memegang asumsi AAK, dengan melihat antaramuka Google dan Facebook, yaitu daftar hasil pencarian, sugesti kata kunci di kotak pencarian, dan news feed, maka sebenarnya kita bisa melihat bahwa algoritma-algoritma ini menambang dan mengolah data yang kita input—melalui keseluruhan rekam jejak aktivitas dan perilaku penggunaan kita (klik, durasi membaca, respon, dst.)—untuk kemudian menjadikannya tampilan melalui antarmuka yang kita hadapi di layar.
Dengan analisis DIY di atas, untuk supaya postingan orang-orang tertentu selalu muncul di news feed kita, maka sudah bisa kita duga bahwa EdgeRank menambang data interaksi kita dengan “teman-teman” Facebook kita. Begitu pula dengan iklan-iklan yang ditampilkan di feed kita, itu semua sudah dipilih secara algoritmis berdasarkan perilaku kita, konten status kita, dan bahkan klik-klik kita sebelumnya. Apabila banyak yang berkaitan dengan tema-tema tertentu, maka iklan dengan tema tersebut yang ditunjukkan. Lalu apabila kita bertanya mengapa iklan-iklan tersebut sering juga berbahasa Indonesia (bahkan berbahasa daerah kita masing-masing), maka Anda bisa segera menjawab: algoritma memprediksi berdasar perilaku berbahasa kita, dan juga … letak geografis kita: tidak hanya negara, bahwkan daerah mana Anda di satu kota tertentu. Bahkan keberadaan geografis kita pun adalah sumber data bagi algoritma.
Analisis DIY ini tentu saja bisa kita teruskan. Anda bisa lakukan juga dengan membuka antarmuka aplikasi-aplikasi yang ada di tangan Anda saat ini: GoJek, Grab, Traveloka, Tokopedia, Bukalapak, Shopee, dan Google tentunya. Namun harapan saya, semakin jelas di sini bahwa data yang ditambang oleh algoritma di balik perusahaan-perusahaan penyedia platform ini sebenarnya adalah data dari kita. Dengan kata lain, sebenarnya sumber daya yang dimaksud dengan sumber daya data di atas sebenarnya hanyalah separuh cerita saja. Pasalnya, data tersebut tidak muncul dengan sendirinya, melainkan ia harus dihasilkan, diproduksi. Lalu siapa yang menghasilkan data tersebut? Tidak lain adalah kita semua, user. Sehingga sumber daya data sebenarnya juga turut menyembunyikan kenyataan lain dalam ekonomi digital native ini, yaitu sumber daya lain yang menopang keseluruhan ekonomi ini: sumber daya user.
Sejenak mengklarifikasi apa itu user. Jika mengikuti Benjamin Bratton, eksistensi user sebenarnya tidak mensyaratkan identitas maknawi sebagaimana kita pahami pada umumnya. Suatu user terdefinisikan sebagai user melalui tiga hal: mengetahui (knowing), memiliki (having), dan menjadi (being).
Secara umum, kombinasi dari kriteria identifikasi mesti terpenuhi, yang kesemuanya itu dengan tepat mengidentifikasi manusia User sekaligus juga tepat mengidentifikasi User non-manusia juga. [..] Yang saya sebut Triumvirat identitas User adalah: “sesuatu yang Anda ketahui” seperti password, atau jawaban spesifik akan suatu pertanyaan spesifik; “sesuatu yang Anda punya” seperti kartu identifikasi, USB, kunci, atau chip khusus; dan “sesuatu yang adalah Anda” (something you are) seperti sidik jari, corak retina, atau informasi bercorak kongkrit lainnya. Ini adalah tiga sisi dari segitiga yang mengindividuasi sebuah User dari sebuah populasi: mengetahui, memiliki, dan menjadi. Selama sesuatu dapat mengetahui, memiliki dan menjadi, ia bisa menjadi sebuah User. Beberapa orang akan melihat hal ini sebagai aneh; bagi saya, hal ini tampak seperti kesetaraan universal.[10]
Dengan demikian, definisi teknis algoritmis (yi. materialis) mengenai apa itu user sama sekali tidak mengenal jender, SARA, dan identitas-identitas esensialis nan subjektif lainnya. Tidak berlebihan apabila Bratton menyamakannya dengan suatu kesetaraan radikal (yang sayangnya tidak berarti seperti yang kita harapkan). (Si)apapun bisa menjadi user manapun sepanjang ia memenuhi persyaratan obyektif dan universal—knowing, having, being—yang sudah diprogram.
Kembali ke sumber daya data dan user, kita bisa melihat di sini bahwa sebenarnya, dengan melihat mekanisme bekerja penambangan berbasis algoritma ini secara AAK, kita bisa mengidentifikasi bagaimana eksploitasi bekerja dengan begitu masif. Dikatakan eksploitasi, karena bukan hanya persoalan ikhlas atau tidak ikhlas, kerja kita dalam menghasilkan data secara otomatis diambil dari kita dan dijadikan core business dari perusahaan tersebut. Jika kita berbicara kerja gratisan, maka di sinilah kerja gratisan sesungguhnya terjadi: bukan hanya tidak mensyaratkan kerelaaan, bahkan ia sama sekali tidak mensyaratkan kesadaran dari sang user.
Penutup
Di tahun 2010 saja, Facebook mengaku menambang data sebesar 300 Petabytes setiap harinya. (1 PB = 1000 Terrabytes). Sekarang tahun 2018, kita bisa memperkirakan saja sudah berapa Zetabytes (1000 PB) atau bahkan Exabyte (1000 ZB). Malahan, jika kita hendak mengalkulasi seluruh data yang sudah ditambang oleh ketiga raksasa digital The Economist, kita harus mempersiapkan kalkulator kita untuk menghitung sampai Zetabyte (1000 EB, atau 1 Milyar TB!). Dengan data sebanyak ini, tahun lalu, Facebook dan Amazon sudah mampu menggasak uang sebesar USD 500 Miliar—lebih dari setengah Produk Domestik Bruto (PDB) Indonesia di tahun yang sama (USD 932 Miliar).
Pertanyaan terakhir dari saya kemudian, jadi, apabila kita sudah mengenal serikat pekerja manufaktur dan lain-lainnya, mungkinkah kita juga berbicara serupa mengenai serikat pekerja user? Dan lainnya, yang lebih visioner, mungkinkah para user benar-benar mengambil alih kendali raksasa-raksasa ini, atau menciptakan raksasa-raksasa digital tandingan? Taruhan saya: ya user bisa. (Dengan catatan yang amat sangat sangat sangat panjang tentunya).***
Penulis adalah peneliti di Koperasi Riset Purusha & Editor IndoPROGRESS
Catatan: artikel ini sebelumnya dibawakan sebagai makalah untuk diskusi di Taman Baca Kesiman, Denpasar, Bali, Kamis, 21 Juni 2018. Dimuat ulang di sini untuk tujuan Pendidikan.
——–
[1] Mary Kaldor, Terry Lynn Karl & Yahia Said, peny., Oil Wars (Pluto Press, 2007).
[2] Philippe le Billon, peny., The Geopolitics of Resource Wars: Resource Dependence, Governance and Violence (Frank Cass, 2004).
[3] “Silicon Valley’s “Body Shop” Secret: Highly Educated Foreign Workers Treated Like Indentured Servants,” NBC, 16 Mei 2016, https://www.nbcbayarea.com/investigations/Silicon-Valleys-Body-Shop-Secret-280567322.html; “Job brokers steal wages and entrap Indian tech workers in US,” The Guardian, 28 Oktober 2014, https://www.theguardian.com/us-news/2014/oct/28/-sp-jobs-brokers-entrap-indian-tech-workers.
[4] The Internet Is Enabling a New Kind of Poorly Paid Hell, The Atlantic, 23 January 2018, https://www.theatlantic.com/business/archive/2018/01/amazon-mechanical-turk/551192/; “Inside Amazon’s clickworker platform: How half a million people are being paid pennies to train AI,” TechRepublic, https://www.techrepublic.com/article/inside-amazons-clickworker-platform-how-half-a-million-people-are-training-ai-for-pennies-per-task/.
[5] Michal Rozworski, Why We Fight Uber, Jacobin, 16 Desember 2016, https://www.jacobinmag.com/2015/12/uber-sharing-economy-taskrabbit-silicon-valley-technology/.
[6] Aulia Nastiti, Cerita pengemudi menguak eksploitasi di Gojek, Grab, dan Uber, The Conversation, 26 September 2017, https://theconversation.com/cerita-pengemudi-menguak-eksploitasi-di-gojek-grab-dan-uber-84599; Alih Nugroho, Eksploitasi Pengemudi dan Gemerlap Transportasi Online, GeoTimes, 9 April 2018, https://geotimes.co.id/opini/eksploitasi-pengemudi-dan-gemerlap-transportasi-online/.
[7] Kita bisa menyituasikan kerangka ini pada studi humaniora digital (digital humanities) secara umum. Sudah ada kerangka-kerangka serupa, semisal analisis kode kritis, analisis komputasi kritis, dst. Di antaranya, sbb.: Arthur Kroker & Marilouise Kroker, peny., Code Drift: Essays in Critical Digital Studies (CTheory Books, 2010); Mirko Tobias Schäfer, Karin van Es, peny., The Datafied Society: Studying Culture through Data (Amsterdam Uni Press, 2017); Matthew Fuller, peny., Software Studies: A Lexicon (MIT Press, 2008).
[8] Saya memang memiliki sedikit background di Ilmu Pemrograman dan Sistem Informasi (+/- 10 tahun lalu), namun demikian karena itu bukan menjadi profesi saya, maka pengetahuan dan pengalaman tersebut tentu sudah amat usang. Dengan kata lain, saya tidak mengklaim kepakaran akan ilmu komputer ini, sehingga saya menggunakan sumber-sumber yang bisa diakses untuk mengembangkan argumen teknis di dalam tulisan ini.
[9] Pengantar baik untuk algoritma untuk non-spesialis, lihat: Robert Seyfert & Jonathan Roberge, peny., Algorithmic Cultures: Essays on Meaning, Performance and New Technologies (Routledge, 2016).
[10] “’In general, a combination of identification criteria must be satisfied, all of which are effective for identifying human Users but equally effective identifying nonhuman Users as well, and so as in Kafka’s “Before the Law,” all who come before the door are made equal, but this door will open only for you. This triumvirate of User identity is: “something you know” like a password, or a specific response to a specific question; “something you have” like an identification card, a dongle, key, or specific chip; and “something you are” like a fingerprint, retina pattern, or other hard-patterned information. These are the three sides of the triangle that individuates one User from a population: knowing, having, being. So long as something can know, have, and be, it can be a User. To some, that may seem unnatural; to me, that looks like universal suffrage.” Benjamin Bratton, The Stack: On Software and Sovereignty (MIT Press, 2015), 345, cetak miring dari teks asli.
